-
公开(公告)号：CN117076931B
公开(公告)日：2024-01-12
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内 天高维动态时序数据作为加噪数据，以及 天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
公开(公告)号：CN117076931A
公开(公告)日：2023-11-17
申请号：CN202311315844.0
申请日：2023-10-12
Applicant: 北京科技大学
IPC: G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于条件扩散模型的时间序列数据预测方法和系统，包括：将训练集内#imgabs0#天动态时序数据，经过特征编码器得到高维动态时序数据；搭建以条件输入Transformer为主干的条件扩散模型，将训练集内#imgabs1#天高维动态时序数据作为加噪数据，以及#imgabs2#天的高维动态时序数据与静态数据融合后的条件特征，输入条件扩散模型进行训练；将待预测的第一动态时序数据升维后的高维动态时序数据与第一静态数据融合后的条件特征，输入条件扩散模型，执行去噪操作，预测高维动态时序特征输入特征解码器，获得预测的第二动态时序数据。本发明支持长时间维度建模，构建识别精度高泛化性好的产量预测方法。
-
公开(公告)号：CN116574195B
公开(公告)日：2023-09-29
申请号：CN202310830022.X
申请日：2023-07-07
Applicant: 北京市疾病预防控制中心 , 北京科技大学
IPC: C07K19/00 , C07K16/10 , G01N33/569 , G01N33/68 , G01N33/577 , A61B10/00
Abstract: 本发明提供一种新型冠状病毒抗体及其在无传播风险口腔液检测中的应用；本发明同时一种新型冠状病毒重组抗原表位的融合蛋白，所述融合蛋白中包含S蛋白抗原表位、N蛋白抗原表位、M蛋白抗原表位、E蛋白抗原表位，并对上述优势抗原进行优化连接，形成新的融合蛋白，可以有效识别SARS‑CoV‑2原始毒株、变异毒株和各种衍生亚型。本发明的样品采集管和检测方法，克服采血的创伤性和潜在感染风险，降低医护人员感染风险，也克服了唾液检测灵敏度差的缺点，高效、节约，节省医疗资源，降低生物安全风险。
-
公开(公告)号：CN116574195A
公开(公告)日：2023-08-11
申请号：CN202310830022.X
申请日：2023-07-07
Applicant: 北京市疾病预防控制中心 , 北京科技大学
IPC: C07K19/00 , C07K16/10 , G01N33/569 , G01N33/68 , G01N33/577 , A61B10/00
Abstract: 本发明提供一种新型冠状病毒抗体及其在无传播风险口腔液检测中的应用；本发明同时一种新型冠状病毒重组抗原表位的融合蛋白，所述融合蛋白中包含S蛋白抗原表位、N蛋白抗原表位、M蛋白抗原表位、E蛋白抗原表位，并对上述优势抗原进行优化连接，形成新的融合蛋白，可以有效识别SARS‑CoV‑2原始毒株、变异毒株和各种衍生亚型。本发明的样品采集管和检测方法，克服采血的创伤性和潜在感染风险，降低医护人员感染风险，也克服了唾液检测灵敏度差的缺点，高效、节约，节省医疗资源，降低生物安全风险。
-
-
-
Search Results
4
records
(took 0.018 seconds)
